对比文件的名称：2010-12-16_US2010317371A_发明申请_US20100317371A1 CONTEXT-BASED INTERACTION MODEL FOR MOBILE DEVICES
目标专利的名称：363在语义上融合上下文推断CN104823433B
本次调用的模型名称：DeepSeek-R1
根据目标专利说明书和权利要求，结合对比文件内容，创建特征比对表格如下：
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：所述方法包括：在计算装置处使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别《直接公开》 | [0003] “The mobile device periodically senses wireless signals at different locations which are visited and stores user interface (UI) settings which are manually set by the user.” [0040] “...information from an accelerometer, together with location-identifying information, can be used to automatically configure UI settings.” [0061] “The mobile device 400 is a context/location-aware cell device that determines its location by sensing EM signals which are present at the different locations, and adapts its behavior to the current context or location.” | 对比文件公开了移动设备通过感知不同位置的无线信号（如Wi-Fi、蓝牙、GPS、GSM等）来确定其位置或情境（context），这些无线信号即来自与移动设备相关联的数据源（传感器）。确定位置或情境即是确定一个上下文类别。该特征在对比文件中起到核心作用，用于识别设备所处环境以驱动后续行为，与目标专利中利用数据源确定上下文类别的作用相同。因此，本领域技术人员能够毫无疑义地得出该技术方案。 |
| **技术特征B**：在所述移动装置处至少部分通过融合所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别来确定融合类别，《隐含公开》 | [0003] “Patterns in the movement and UI settings relative to one another and to time are then identified. ... When a particular location or time is subsequently reached which corresponds to the pattern, an appropriate UI setting can be implemented...” [0066] “Step 604 includes identifying patterns in the tracked movement of the mobile device. ... Step 606 includes identifying patterns in the tracked UI settings.” [0088] “Based on a sufficiently high probability of a particular UI setting being made by the user at a particular time and/or place, the mobile device can automatically implement the setting.” | 对比文件公开了通过跟踪移动设备的移动和UI设置来识别模式（patterns）。这些模式是基于多次访问不同位置（可视为不同的“上下文类别”，如家、办公室、咖啡店）以及在不同时间的行为（如08:30到咖啡店关闭铃声）归纳总结出来的。当识别出一个模式（例如，每周工作日8:30到达咖啡店并关闭铃声）后，在后续符合该模式条件时，设备会自动实施一个适当的UI设置（例如，自动关闭铃声）。这个“自动实施的UI设置”可以理解为是基于对多个具体情境（第一上下文类别：在咖啡店；第二上下文类别：工作日上午8:30）进行归纳（即“融合”）后得出的一个更概括性的行为规则或“融合类别”（例如，“工作日上午在咖啡店时静音”）。因此，本领域技术人员能够合理推断出通过融合不同上下文类别来确定一个融合的行为类别。 |
| **技术特征C**：所述融合类别与所述第一上下文类别及所述第二上下文类别所共有的至少一个特性相关联，《隐含公开》 | [0003] “Patterns in the movement and UI settings relative to one another and to time are then identified.” [0066] “Step 604 includes identifying patterns in the tracked movement of the mobile device. ... Step 606 includes identifying patterns in the tracked UI settings.” | 如上所述，对比文件中识别出的“模式”（Pattern）关联了多个要素，例如特定的位置（第一上下文类别）和特定的时间（第二上下文类别）。自动配置的UI设置（可视为“融合类别”的输出）正是与这些要素所共有的特性相关联。例如，“自动关闭铃声”这一行为，与“在咖啡店”和“工作日上午8:30”这两个类别所共有的特性（即“用户在此情境下希望免打扰”）相关联。因此，该特征被对比文件隐含公开。 |
| **技术特征D**：其中所述融合类别比所述第一上下文类别及所述第二上下文类别中的每一者范围广。《隐含公开》 | [0088] “Based on a sufficiently high probability of a particular UI setting being made by the user at a particular time and/or place, the mobile device can automatically implement the setting.” [0122] “Moreover, the automatic implementation of a UI setting can be triggered by either entering a location... or leaving a location... Another approach uses a sequence which includes departure from one location and arrival at another location to trigger automatic UI settings.” | 对比文件中自动配置的UI设置或行为模式，其触发条件可能比单一的具体情境更广泛。例如，自动配置“工作模式”铃声，可能由“检测到公司Wi-Fi”或“在平日9:00-17:00”等多个条件中的任一个或组合触发，其覆盖范围比任何一个具体的触发条件（如“在会议室”或“12:00”）更广。又如，基于“从家到咖啡店再到办公室”的序列模式触发的自动行为，其适用范围也比序列中任何一个单独的地点（第一或第二上下文类别）更广。因此，可以合理推断融合类别比其来源的单个上下文类别范围更广。 |
| **技术特征E**：其中所述融合类别具有相关联的标签，其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。《直接公开》 | [0130] “Step 1300 includes determining locations which are visited with a threshold frequency and/or a threshold number of times. Step 1302 includes automatically generating a label for the location. ... Step 1308 includes associating the label with the location...” [0146] “The screen 1408 indicates that the current profile is “home,” which means certain UI settings, e.g., a profile, which are associated with the location are automatically implemented.” | 对比文件公开了为频繁访问的位置自动生成或由用户输入标签（如“家”、“办公室”），并将这些标签与位置相关联（[0130], [0146]）。这些标签（如“家”）在语义上囊封了该位置下更具体的特征或情境，例如“卧室”、“客厅”或“晚上10点在家”等。当设备应用与“家”这个标签关联的UI配置文件时，这个配置文件（可视为一种“融合类别”）的标签“家”就语义上囊封了在家的各种具体情境。因此，该特征被对比文件直接公开。 |
| **技术特征F**：其进一步包括获得与初始分类相关联的用以确定所述第一上下文类别的信息。《直接公开》 | [0003] “The mobile device can determine that it is at a certain location by sensing wireless signals from a Wi-Fi network, Bluetooth network, RF or infrared beacon, or a wireless point-of-sale terminal, for instance, and storing identifiers associated with the signals.” [0076] “Block 706 denotes storing location-identifying information such as an absolute location (e.g., latitude, longitude) or a signal identifier which represents a location.” | 对比文件公开了通过感知无线信号（如Wi-Fi SSID、蓝牙设备ID、GPS坐标）来获得位置标识信息，这些信息就是用于确定设备所处位置类别（即第一上下文类别）的信息。该过程是核心步骤，用于后续的模式识别和自动配置。因此，该特征被直接公开。 |
| **技术特征G**：其中获得与所述初始分类相关联的所述信息包括获得与所述初始分类相关联的置信度值。《隐含公开》 | [0087] “Moreover, probabilistic metrics can be assigned to patterns. For example, ... a probability of 4/5=0.80 may be assigned. ... the probability that the user configures a certain UI setting can be assigned a probability. ... Over time, new patterns can be detected, old patterns can be phased out due to non-use, and existing patterns can be refined.” [0088] “Based on a sufficiently high probability... the mobile device can automatically implement the setting. For example, a threshold probability may be defined which must be exceed to implement a setting.” | 对比文件虽然没有明确使用“置信度值”一词，但详细描述了为检测到的模式分配概率度量（probabilistic metrics）。例如，用户访问某个地点并执行特定操作的概率为80%（[0087]）。这个概率值在功能上等同于目标专利中与初始分类（即“检测到某个模式/情境”）相关联的置信度值。系统基于这个概率是否超过阈值来决定是否自动执行操作（[0088]）。因此，本领域技术人员能够合理推断出获得与分类相关联的概率/置信度信息。 |
| **技术特征H**：其中确定所述融合类别是响应于所述置信度值等于或低于阈值而执行。《隐含公开》 | [0088] “Based on a sufficiently high probability of a particular UI setting being made by the user at a particular time and/or place, the mobile device can automatically implement the setting. For example, a threshold probability may be defined which must be exceed to implement a setting.” | 对比文件公开了当检测到的用户行为模式概率足够高（即超过一个阈值）时，才自动实施相应的UI设置（[0088]）。从逻辑逆反的角度可以推理，如果概率不够高（即等于或低于阈值），则可能不会触发自动实施该特定设置。在这种情况下，系统可能需要寻求一个更宽泛或更稳妥的“融合类别”（例如，不执行任何自动更改，或执行一个默认的、风险更低的行为）。虽然对比文件未明确描述低置信度下的具体融合操作，但“基于阈值判断是否执行特定操作”的机制已被公开，本领域技术人员可以合理推断此机制同样适用于低置信度场景并触发替代决策（如确定融合类别）。 |
| **技术特征I**：其中获得与所述初始分类相关联的所述信息包括识别所述初始分类的可操作性质。《隐含公开》 | [0040] “While the location which is determined from GPS signals can be used to configure user interface (UI) settings of a mobile device, GPS signals can yield other valuable information for configuring UI settings. This other information includes which direction a mobile device is moving, how fast it is moving, and whether it moving up or down in altitude.” [0077] “For example, a Wi-Fi network typically provides the most accurate results when the mobile device is indoors where GPS signals are often blocked or severely attenuated. GSM may be less accurate than GPS, depending on the cell size, but is usually available indoors.” | 对比文件讨论了不同定位技术（如GPS、Wi-Fi、GSM）的特点、准确性、可用环境（室内/室外）以及它们能提供的附加信息（如速度、方向）（[0040], [0077]）。这些内容涉及不同传感器或分类方法（此处是定位分类）的“可操作性质”，例如GPS在室内可能失效，Wi-Fi在室内更准，GSM通常可用但精度可变。了解这些性质是系统选择或解释定位数据（即“初始分类”）的一部分。因此，识别分类器的可操作性质这一概念被对比文件隐含公开。 |
| **技术特征J**：其中确定所述融合类别是基于所述初始分类的所述可操作性质。《隐含公开》 | [0077] “It is also possible to use more than one mode of location determination to increase accuracy or to corroborate results. Or, a most accurate available mode of location determination can be used. For example, a Wi-Fi network typically provides the most accurate results when the mobile device is indoors...” | 对比文件提到可以使用多种定位模式来提高准确性或相互验证，或者根据环境使用最准确的可用模式（[0077]）。这暗示了系统在确定位置（可视为一种“上下文类别”）时，会基于不同定位技术的可操作性质（如室内精度）来选择或融合数据源。虽然未明确描述基于此性质生成一个“融合类别”，但基于分类器性质（如可靠性）来做出决策（选择或加权数据源）的逻辑已被公开。本领域技术人员可以合理推断，这种基于分类器性质进行决策的逻辑可以延伸应用于确定一个更稳健的“融合类别”。 |
| **技术特征K**：其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据，所述方法进一步包括使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别，且其中确定所述融合类别是基于所述第一上下文类别及所述第二上下文类别。《直接公开》 | [0066] “Step 604 includes identifying patterns in the tracked movement of the mobile device. ... patterns can also be detected from locations which are visited in a sequence multiple times. For example, the sequence of: home to work and work to home may occur five days per week...” [0087] “Sequences of locations which are visited repeatedly can be determined by counting the number of times identifiers of the locations in a sequence appears in the stored data, in a specified order.” | 对比文件明确公开了跟踪移动设备随时间的变化，并识别重复出现的访问地点序列（例如，家->工作->家）（[0066], [0087]）。这意味着系统使用了在第一时间（t1）获取的数据（位置A）确定第一上下文类别（例如，“在家”），并使用在之后的第二时间（t2）获取的数据（位置B）确定第二上下文类别（例如，“在工作”）。最终识别的“模式”或自动触发的行为（可视为“融合类别”的输出），正是基于这个序列（即第一和第二上下文类别）来确定的。因此，该特征被对比文件直接公开。 |
| **技术特征L**：其中确定所述第一上下文类别包括从多个预定的可用上下文类别中选择所述第一上下文类别。《直接公开》 | [0076] “Block 706 denotes storing location-identifying information such as an absolute location (e.g., latitude, longitude) or a signal identifier which represents a location. For example, Wi-Fi signal identifier can be an SSID, in one possible implementation.” [0130] “Step 1308 includes associating the label with the location, such as by storing the label name cross-referenced to the location-identifying information.” | 对比文件公开了设备感知到的信号标识符（如SSID、GPS坐标）或用户/系统分配的标签（如“家”、“办公室”）（[0076], [0130]）。这些标识符或标签构成了一个预定的、可用于描述位置的类别集合。设备通过将感知到的信号与存储的标识符匹配，或根据坐标/频率推断出标签，从而“选择”出当前对应的位置类别。这相当于从多个预定的可用上下文类别中选择第一上下文类别。因此，该特征被直接公开。 |
| **技术特征M**：其中确定所述融合类别包括从多个预定的可用融合类别中选择所述融合类别。《隐含公开》 | [0061] “These include setting the ringer on or off, adjusting the ringer volume, setting the vibrate feature on or off, setting a particular ring tone from multiple available ring tones stored in the device...” [0146] “The screen 1408 indicates that the current profile is “home,” which means certain UI settings, e.g., a profile, which are associated with the location are automatically implemented.” | 对比文件公开了设备具有多种可配置的UI设置（如铃声开/关、特定铃声、振动模式等），并且可以将这些设置组合成“配置文件”（profile），例如“家庭”配置文件（[0061], [0146]）。当系统基于识别出的模式决定自动配置设备时，它实质上是从这些预定的、可用的设置组合或配置文件中“选择”一个来应用。这个被选择的设置组合或配置文件，其功能等同于目标专利中的“融合类别”，因为它对应了一组在特定融合情境下应实施的行为。因此，本领域技术人员能够合理推断出该特征。 |
<<<A>>><<<E>>><<<F>>><<<K>>><<<L>>><<<b>>><<<c>>><<<d>>><<<g>>><<<h>>><<<i>>><<<j>>><<<m>>>